面向服务即SOA（Service-Oriented Architecture）是一种进行系统开发的新的体系架构，而Web服务技术已经成为越来越多企业的首选方案，因为其具有低耦合的特性使得软件、系统的集成更为方便。但是传统的Web服务之间无法进行合作，协商。并且随着服务的大量发布，对于服务选择的困难也愈发困难。而Agent是一种智能化的软件实体，其可以在环境中自主行动以实现其目标。多个Agent可以建立松散耦合并且通过结构化的ACL消息建立多Agent系统（MAS）。在多Agent系统内，Agent之间可以交互和协作完成某项任务。Agent还具有自治性、主动性、持续性、交互性和适应性等Web服务不具有的特点，因此结合Web服务和Agent的服务Agent则被提出并且广泛研究。服务Agent可以弥补上述Web服务的缺陷，其将管理一系列的Web服务，通过其自身或与其他服务Agent的结合向外提供综合集成的服务服务Agent的能力是建立在内部定义的一组规划之上。规划的职责是有序组织管理服务Agent中的Web服务并向外提供服务，多个规划就会形成规划库，在运行时，Agent将采取按需直接使用已有规划，组合多个规划或者重新生成规划的方式来响应事件。服务Agent学习模型包含推理模型、存储模型和协商模型在内。本文首先总结了规划模型并提炼了基于本体的规划语义模型和基于ECA工作流的语法模型。对于规划的语义模型下，本文以规划理论为基础，设计了服务Agent的学习模型中的推理模型，其是一种基于一阶逻辑的智能规划器，其可以按照语义信息的输入，得出按照质量属性的要求自动匹配相应条件的服务序列。在规划的语法模型下，本文又基于规划模型的结构化树的表示，设计了服务Agent学习模型中的存储模型，其是一种基于修改的后缀树动态规划库优化方案，其可以有效抽取和更新规划库的规划，提高服务Agent的工作效率。并且在多Agent下，本文提出服务Agent学习模型的协商模型，其是基于多Agent博弈和合作的混合服务多Agent学习算法，可以有效提高服务多Agent对于需求的组合规划能力。根据上述的理论研究，作者同时实现了服务Agent平台，在该平台下实现了服务Agent的规划模型，规划库模型以及多服务Agent学习模型。该平台具有良好的扩展性和鲁棒性。作为软件成果，可以供实验室做进一步的研究之中。